中国投稿热线
您当前的位置: 中国投稿热线 > 论文范文 >

中国产品出口竞争力分析

更新时间:2021-01-22 所属栏目:论文范文

  一、研究背景
  在全球开放的背景下,我们应该关注出口额和出口竞争力的变化。虽然我国的出口额的数量在不断增长,但是随着资本和产品的自由流动导致我国出口数据中包含着不少“水分”,中国在过去的年份中出口总额大幅度的上涨与全球范围中的垂直专业化、外包过程密切相关。近年来,中国的出口受到了来自四面八方的关注,面对中国快速增长的趋势,很多国家认为中国产品的出口竞争力对本国相关产业的生存以及相关出口形成了巨大的威胁。通过分析其中的原因和问题,从而为未来提升出口竞争力提出思路。本文通过选取影响我国出口竞争力的几个因素,研究有利于我们更加明确我国不同行业产品出口竞争力存在的问题,并提出相关的政策建议,从而能使不同的行业及时作出调整,应对激烈的市场竞争。
  二、数据来源
  本篇论文的数据来自统计年鉴,指标主要包括政府支持、专利、R&D内部支出、R&D人员支出、外商直接投资、全社会固定资产投资、进出口总额、技术交易等13个指标。
  三、回归分析
  挖掘过程主要分为三大部分,首先通过预处理将自变量和因变量进行合并,然后通过回归和聚类两种方法进行分析。主要过程如下所示。
  3.1预处理过程
  对涉及到的变量做以下说明:因变量是出口竞争力指数回归;自变量包括专利、R&D内部支出、R&D人员、技术交易、全社会固定资产投资、外商直接投资、政府支持、进出口额8个指标。对数据预进行处理因为因变量和自变量在2张不同的表上,但是进行回归分析需要将两个表进行合并,合并过程如下:
  通过预处理可以得到完整的数据,再将数据导入R语言进行下一步的回归处理。
  3.2回归过程
  回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。运用十分广泛,回归分析按照涉及的变量的多少,分为一元回归和多元回归分析;按照自变量的多少,,可分为简单回归分析和多重回归分析;按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。本次试验运用是线性回归。
  首先需要对数据进行数据描述性统计得到需要建立的模型。描述性统计,是指运用制表和分类,图形以及计算概括性数据来描述数据特征的各项活动。具体过程如下所示:
  我们能够得到八个指标的指数如上中所示,其中对出口竞争力指数影响较大的是进出口额、技术交易、政府支出、外商直接投资。我们可以得到具体的模型为:出口竞争力指数=8.85-1.18专利-1.51 R&D内部支出- 1.15R&D人员+7.667技术交易+1.263全社会固定资产投资+4.84外商直接投资-5.78政府支持+8.538进出口额
  回归的代码,如下图所示
  >ax<-read.xlsx(file="C:\\Users\\excel_output9.xls","daily")
  >a2<-read.xlsx(file="C:\\Users\\excel_output8.xls","daily")
  >ax<-merge(ax,a2)
  > model<-lm(var13~var4+var5+var6+var7+var8+var9+var10+var11,data=ax)
  > model<-lm(x13~x4+x5+x6+x7+x8+x9+x10+x11,data=ax)
  > summary(model)
  > describe(ax)
  回归图形如下图所示:
  残差图如下:
  模型的R^2=0.10, (-@R)^2=0.09,F=8.234,拟合效果较一般。由p值小于0.05的显著性水平可知,技术交易因素影响显著。出口竞争指数与政府支持、专利、R&D内部支出、R&D人员成反比关系,即出口竞争指数越高,政府支持、专利、R&D内部支出、R&D人员支出越低,其中影响程度最高是政府支持、R&D内部支出、专利次之,最后是R&D人员支出。出口竞争指数与外商直接投资、全社会固定资产投资、进出口总额、技术交易成正比关系,即即出口竞争指数越高,外商直接投资、全社会固定资产投资、进出口总额、技术交易也越高,其中影响程度最高是进出口总额、技术交易,接着依次为进出口总额、外商直接投资、全社会固定资产投资。
  四、聚类分析
  4.1聚类模型的建立
  聚類分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域,包括数学,计算机科学,统计学,生物学和经济学。在不同的应用领域,很多聚类技术都得到了发展,这些技术方法被用作描述数据,衡量不同数据源间的相似性,以及把数据源分类到不同的簇中。首先要进行模型的建立:对专利、R&D内部支出、R&D人员、技术交易、全社会固定资产投资、外商直接投资、政府支持、进出口额分别采用 k-means聚类法,分为4类,每一类如下,means代表着每一个类的平均值。
  模型检验:组成4类时betweenss/totss=92.4,结果可以接受
  模型解读:每个聚类下的数目,有图中的数字我们可以看到第一组有58个数,第二组有478个数,第三组有36个数,第四组有8个数。由于第四组的数量太少,所以在聚类图中我们不易察觉出第四类数据。
  4.2聚类的代码
  具体的聚类代码如下所示:
  > km_result <- kmeans(ax, 4, nstart = 24)
  > print(km_result)


提示:
本文标题为:中国产品出口竞争力分析
当前网址为:http://www.tougao.net/lunwen/9637.html

本文相关论文

最近更新